书籍详情
MATLAB智能算法（第2版）
作者：温正
出版社：清华大学出版社
出版时间：2023-06-01
ISBN：9787302608363
定价：¥128.00
购买这本书可以去
内容简介
本书以MATLABR2020a软件为基础，详细介绍各种智能算法的原理及MATLAB在智能算法中的应用，是一本MATLAB智能算法设计的综合性参考书。全书以智能算法原理及MATLAB应用为主线，结合各种应用案例，详细讲解智能算法在MATLAB中的实现方法。全书共分为3部分：第一部分为基础知识；第二部分介绍经典的智能算法及其在MATLAB中的实现方法，包括遗传算法、免疫算法、蚁群算法、粒子群算法、小波分析、神经网络算法和模糊逻辑控制等内容；第三部分详细介绍智能算法在工程中的应用，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的PID控制器设计等内容。本书以工程应用为目标，内容讲解深入浅出、循序渐进，既可作为高等院校理工科相关专业研究生、本科生的教材，也可作为广大科研工程技术人员的参考用书。
作者简介
温正北京航空航天大学博士后，现就职于中国航天科技集团，精通MATLAB、Mathematica、Lingo等工程仿真计算软件；熟练掌握利用MATLAB解决数学建模、科学计算、算法优化、机器学习等工程应用问题；在国内外期刊发表学术论文多篇，申请并获得授权专利多项，曾获得国防科学技术成果奖等奖项，读书期间获光华奖学金及优秀研究生等多项荣誉。
目录
第一部分基础知识
第1章人工智能概述3
1.1人工智能基本概念3
1.1.1智能的概念3
1.1.2人工智能的概念5
1.1.3人工智能的研究目标6
1.1.4人工智能的研究方法6
1.1.5人工智能的特征8
1.2人工智能的应用9
1.2.1机器思维9
1.2.2机器感知10
1.2.3机器行为11
1.2.4机器学习12
1.2.5机器计算12
1.3分布式人工智能13
1.3.1机器系统14
1.3.2典型应用14
1.4本章小结15
第2章初识MATLAB16
2.1MATLAB工作环境16
2.1.1操作界面简介16
2.1.2命令行窗口17
2.1.3命令历史记录19
2.1.4当前文件夹和路径管理20
2.1.5搜索路径21
2.1.6“工作区”窗口和数组编辑器23
2.1.7变量的编辑命令24
2.1.8存取数据文件25
2.2MATLAB基本概念26
2.2.1数据类型概述26
2.2.2整数型26
14MATLAB智能算法（第2版）
2.2.3浮点数型28
2.2.4复数30
2.2.5无穷量和非数值量31
2.2.6数据显示格式31
2.2.7数据类型函数32
2.2.8常量与变量32
2.2.9标量、向量、矩阵和数组33
2.2.10字符串34
2.2.11算术运算符35
2.2.12命令、函数、表达式和语句36
2.3MATLAB帮助系统36
2.3.1纯文本帮助37
2.3.2帮助导航37
2.3.3示例帮助38
2.4本章小结38
第3章MATLAB基础39
3.1数组.39
3.1.1数组的定义39
3.1.2数组的创建39
3.1.3多维数组及其操作47
3.2矩阵.51
3.2.1实数值矩阵输入51
3.2.2复数矩阵输入51
3.2.3符号矩阵的生成52
3.2.4大矩阵的生成53
3.2.5矩阵的数学函数53
3.3符号运算58
3.3.1符号对象58
3.3.2符号变量60
3.3.3符号表达式及函数61
3.3.4符号变量代换63
3.3.5符号对象转换为数值对象64
3.3.6符号表达式的化简.65
3.3.7符号运算的其他函数67
3.3.8两种特定的符号函数运算69
3.4关系运算和逻辑运算70
3.4.1关系运算70
3.4.2逻辑运算71
3.4.3常用函数74
目录15
3.4.4运算符的优先级75
3.5本章小结75
第4章程序设计76
4.1自顶向下的程序设计方法76
4.2分支结构79
4.2.1if分支结构79
4.2.2switch分支结构80
4.3循环结构81
4.3.1while循环结构81
4.3.2for循环结构82
4.3.3控制程序的其他命令83
4.4程序调试和优化87
4.4.1程序调试命令87
4.4.2程序常见的错误类型87
4.4.3效率优化91
4.4.4内存优化91
4.5本章小结93
第二部分算法专题
第5章遗传算法97
5.1遗传算法基础97
5.1.1算法基本运算97
5.1.2遗传算法的特点98
5.1.3遗传算法中的术语98
5.1.4遗传算法发展现状99
5.1.5遗传算法的应用领域100
5.2遗传算法原理100
5.2.1算法运算过程100
5.2.2算法编码103
5.2.3适应度及初始群体选取103
5.2.4算法参数设计原则104
5.2.5适应度函数的调整104
5.2.6程序设计105
5.3遗传算法典型应用109
5.3.1求函数极值109
5.3.2旅行商问题121
5.3.3基于遗传算法的MP算法的应用127
5.4遗传算法工具箱132
16MATLAB智能算法（第2版）
5.4.1工具箱命令方式调用133
5.4.2遗传算法App调用135
5.4.3遗传算法的优化138
5.5本章小结.145
第6章免疫算法146
6.1免疫算法基本概念146
6.1.1生物免疫系统146
6.1.2免疫算法基本原理147
6.1.3免疫算法步骤和流程148
6.1.4免疫系统模型和免疫算法149
6.1.5免疫算法特点150
6.1.6免疫算法的发展趋势150
6.2免疫遗传算法151
6.2.1免疫遗传算法步骤和流程.151
6.2.2免疫遗传算法MATLAB实现151
6.3免疫算法的应用159
6.3.1免疫算法在克隆选择中的应用159
6.3.2免疫算法在最短路径规划中的应用163
6.3.3免疫算法在TSP中的应用167
6.3.4免疫算法在故障检测中的应用173
6.4本章小结180
第7章蚁群算法181
7.1蚁群算法概述181
7.1.1蚁群算法的起源181
7.1.2蚁群算法的基本原理182
7.1.3自适应蚁群算法185
7.1.4蚁群算法实现的重要规则.186
7.1.5蚁群算法的特点186
7.1.6蚁群算法的发展与应用187
7.2蚁群算法MATLAB实现188
7.3蚁群算法的应用190
7.3.1蚁群算法在路径规划中的应用190
7.3.2蚁群算法在TSP中的应用203
7.4本章小结207
第8章粒子群算法208
8.1粒子群算法基础208
8.1.1粒子群算法的起源208
8.1.2粒子群算法的发展趋势209
8.1.3粒子群算法的特点209
目录17
8.1.4粒子群算法的应用210
8.2基本粒子群算法211
8.2.1基本原理211
8.2.2算法构成要素212
8.2.3算法参数设置212
8.2.4算法基本流程213
8.2.5MATLAB实现213
8.3权重改进的粒子群算法219
8.3.1自适应权重法219
8.3.2随机权重法222
8.3.3线性递减权重法224
8.4混合粒子群算法226
8.4.1基于杂交的混合粒子群算法226
8.4.2基于自然选择的混合粒子群算法229
8.4.3基于免疫的混合粒子群算法231
8.4.4基于模拟退火的混合粒子群算法235
8.5本章小结.237
第9章小波分析238
9.1傅里叶变换到小波分析.238
9.1.1傅里叶变换.238
9.1.2小波分析240
9.2Mallat算法242
9.2.1Mallat算法原理242
9.2.2常用小波函数介绍244
9.2.3Mallat算法示例245
9.3小波分析在信号处理中的应用248
9.3.1信号压缩248
9.3.2信号去噪249
9.3.3信号分离252
9.4小波变换在图像处理中的应用255
9.4.1图像压缩255
9.4.2图像边缘检测259
9.4.3图像增强260
9.5小波App简介.262
9.6本章小结.266
第10章神经网络算法267
10.1神经网络基础267
10.1.1人工神经网络的发展267
10.1.2人工神经网络研究内容268
18MATLAB智能算法（第2版）
10.1.3人工神经网络研究方向268
10.1.4人工神经网络发展趋势269
10.2神经网络的结构及学习271
10.2.1神经网络结构271
10.2.2神经网络学习272
10.2.3MATLAB在神经网络中的应用285
10.3神经网络工具箱288
10.3.1神经网络工具箱函数288
10.3.2神经网络工具箱App305
10.3.3神经网络的MATLAB实现310
10.4Simulink神经网络控制工具箱325
10.4.1神经网络模型预测控制325
10.4.2反馈线性化控制328
10.4.3模型参考控制.330
10.5本章小结.333
第11章模糊逻辑控制.334
11.1模糊逻辑控制基础334
11.1.1模糊逻辑控制的基本概念334
11.1.2模糊逻辑控制原理335
11.1.3模糊逻辑控制器设计包括的内容335
11.1.4模糊逻辑控制规则设计336
11.1.5模糊逻辑控制系统的应用领域336
11.2模糊逻辑控制工具箱.337
11.2.1功能特点337
11.2.2模糊系统基本类型338
11.2.3模糊逻辑控制系统的构成.339
11.2.4模糊推理系统的建立、修改与存储管理339
11.2.5模糊语言变量及其语言值.346
11.2.6模糊语言变量的隶属度函数349
11.2.7模糊规则的建立与修改353
11.2.8模糊推理计算与去模糊化355
11.3模糊逻辑控制工具箱App358
11.3.1模糊推理系统编辑器358
11.3.2隶属度函数编辑器360
11.3.3模糊规则编辑器360
11.3.4模糊规则浏览器360
11.3.5模糊推理输入/输出曲面视图360
11.4模糊逻辑控制的经典应用362
11.4.1基于Simulink的模糊逻辑控制应用362
目录19
11.4.2基于模糊逻辑控制的路径规划366
11.4.3基于模糊神经网络控制的水质评价379
11.5本章小结.388
第三部分综合应用
第12章模糊神经网络在工程中的应用391
12.1模糊神经网络391
12.1.1模糊神经网络概述391
12.1.2模糊系统与神经网络的区别与联系392
12.1.3典型模糊神经网络结构393
12.1.4自适应模糊神经推理系统393
12.2模糊神经网络建模方法395
12.3模糊神经网络在工程中的应用举例401
12.3.1模糊神经网络在解耦控制中的应用401
12.3.2模糊神经网络在函数逼近中的应用412
12.4本章小结.419
第13章遗传算法在图像处理中的应用420
13.1图像分割.420
13.1.1图像分割的概念420
13.1.2图像分割的理论420
13.1.3灰度门限法简介421
13.1.4基于最大类间方差图像分割原理422
13.2遗传算法实现图像分割423
13.2.1利用遗传算法实现图像分割的原理423
13.2.2算法实现424
13.3遗传算法在图像处理中的应用举例.424
13.3.1基于遗传算法的道路图像阈值分割424
13.3.2基于遗传神经网络的图像分割433
13.3.3应用遗传算法和KSW熵法实现灰度图像阈值分割437
13.4本章小结.453
第14章神经网络在参数估计中的应用454
14.1参数估计的基本知识454
14.1.1参数估计的概念454
14.1.2点估计与区间估计454
14.1.3样本容量455
14.2几种通用神经网络的MATLAB代码455
14.3神经网络在参数估计中的应用举例459
14.3.1神经网络在人脸识别中的应用459
20MATLAB智能算法（第2版）
14.3.2灰色神经网络在数据预测中的应用466
14.3.3BP神经网络在数据预测中的应用472
14.3.4概率神经网络在分类预测中的应用475
14.4本章小结.478
第15章基于智能算法的PID控制器设计479
15.1PID控制器的理论基础479
15.2智能算法在PID控制器设计中的应用.480
15.2.1神经网络在PID控制器设计中的应用480
15.2.2模糊控制在PID控制器设计中的应用487
15.2.3遗传算法在PID控制器设计中的应用490
15.3本章小结494
参考文献495
第1章人工智能概述3
1.1人工智能基本概念3
1.1.1智能的概念3
1.1.2人工智能的概念5
1.1.3人工智能的研究目标6
1.1.4人工智能的研究方法6
1.1.5人工智能的特征8
1.2人工智能的应用9
1.2.1机器思维9
1.2.2机器感知10
1.2.3机器行为11
1.2.4机器学习12
1.2.5机器计算12
1.3分布式人工智能13
1.3.1机器系统14
1.3.2典型应用14
1.4本章小结15
第2章初识MATLAB16
2.1MATLAB工作环境16
2.1.1操作界面简介16
2.1.2命令行窗口17
2.1.3命令历史记录19
2.1.4当前文件夹和路径管理20
2.1.5搜索路径21
2.1.6“工作区”窗口和数组编辑器23
2.1.7变量的编辑命令24
2.1.8存取数据文件25
2.2MATLAB基本概念26
2.2.1数据类型概述26
2.2.2整数型26
14MATLAB智能算法（第2版）
2.2.3浮点数型28
2.2.4复数30
2.2.5无穷量和非数值量31
2.2.6数据显示格式31
2.2.7数据类型函数32
2.2.8常量与变量32
2.2.9标量、向量、矩阵和数组33
2.2.10字符串34
2.2.11算术运算符35
2.2.12命令、函数、表达式和语句36
2.3MATLAB帮助系统36
2.3.1纯文本帮助37
2.3.2帮助导航37
2.3.3示例帮助38
2.4本章小结38
第3章MATLAB基础39
3.1数组.39
3.1.1数组的定义39
3.1.2数组的创建39
3.1.3多维数组及其操作47
3.2矩阵.51
3.2.1实数值矩阵输入51
3.2.2复数矩阵输入51
3.2.3符号矩阵的生成52
3.2.4大矩阵的生成53
3.2.5矩阵的数学函数53
3.3符号运算58
3.3.1符号对象58
3.3.2符号变量60
3.3.3符号表达式及函数61
3.3.4符号变量代换63
3.3.5符号对象转换为数值对象64
3.3.6符号表达式的化简.65
3.3.7符号运算的其他函数67
3.3.8两种特定的符号函数运算69
3.4关系运算和逻辑运算70
3.4.1关系运算70
3.4.2逻辑运算71
3.4.3常用函数74
目录15
3.4.4运算符的优先级75
3.5本章小结75
第4章程序设计76
4.1自顶向下的程序设计方法76
4.2分支结构79
4.2.1if分支结构79
4.2.2switch分支结构80
4.3循环结构81
4.3.1while循环结构81
4.3.2for循环结构82
4.3.3控制程序的其他命令83
4.4程序调试和优化87
4.4.1程序调试命令87
4.4.2程序常见的错误类型87
4.4.3效率优化91
4.4.4内存优化91
4.5本章小结93
第二部分算法专题
第5章遗传算法97
5.1遗传算法基础97
5.1.1算法基本运算97
5.1.2遗传算法的特点98
5.1.3遗传算法中的术语98
5.1.4遗传算法发展现状99
5.1.5遗传算法的应用领域100
5.2遗传算法原理100
5.2.1算法运算过程100
5.2.2算法编码103
5.2.3适应度及初始群体选取103
5.2.4算法参数设计原则104
5.2.5适应度函数的调整104
5.2.6程序设计105
5.3遗传算法典型应用109
5.3.1求函数极值109
5.3.2旅行商问题121
5.3.3基于遗传算法的MP算法的应用127
5.4遗传算法工具箱132
16MATLAB智能算法（第2版）
5.4.1工具箱命令方式调用133
5.4.2遗传算法App调用135
5.4.3遗传算法的优化138
5.5本章小结.145
第6章免疫算法146
6.1免疫算法基本概念146
6.1.1生物免疫系统146
6.1.2免疫算法基本原理147
6.1.3免疫算法步骤和流程148
6.1.4免疫系统模型和免疫算法149
6.1.5免疫算法特点150
6.1.6免疫算法的发展趋势150
6.2免疫遗传算法151
6.2.1免疫遗传算法步骤和流程.151
6.2.2免疫遗传算法MATLAB实现151
6.3免疫算法的应用159
6.3.1免疫算法在克隆选择中的应用159
6.3.2免疫算法在最短路径规划中的应用163
6.3.3免疫算法在TSP中的应用167
6.3.4免疫算法在故障检测中的应用173
6.4本章小结180
第7章蚁群算法181
7.1蚁群算法概述181
7.1.1蚁群算法的起源181
7.1.2蚁群算法的基本原理182
7.1.3自适应蚁群算法185
7.1.4蚁群算法实现的重要规则.186
7.1.5蚁群算法的特点186
7.1.6蚁群算法的发展与应用187
7.2蚁群算法MATLAB实现188
7.3蚁群算法的应用190
7.3.1蚁群算法在路径规划中的应用190
7.3.2蚁群算法在TSP中的应用203
7.4本章小结207
第8章粒子群算法208
8.1粒子群算法基础208
8.1.1粒子群算法的起源208
8.1.2粒子群算法的发展趋势209
8.1.3粒子群算法的特点209
目录17
8.1.4粒子群算法的应用210
8.2基本粒子群算法211
8.2.1基本原理211
8.2.2算法构成要素212
8.2.3算法参数设置212
8.2.4算法基本流程213
8.2.5MATLAB实现213
8.3权重改进的粒子群算法219
8.3.1自适应权重法219
8.3.2随机权重法222
8.3.3线性递减权重法224
8.4混合粒子群算法226
8.4.1基于杂交的混合粒子群算法226
8.4.2基于自然选择的混合粒子群算法229
8.4.3基于免疫的混合粒子群算法231
8.4.4基于模拟退火的混合粒子群算法235
8.5本章小结.237
第9章小波分析238
9.1傅里叶变换到小波分析.238
9.1.1傅里叶变换.238
9.1.2小波分析240
9.2Mallat算法242
9.2.1Mallat算法原理242
9.2.2常用小波函数介绍244
9.2.3Mallat算法示例245
9.3小波分析在信号处理中的应用248
9.3.1信号压缩248
9.3.2信号去噪249
9.3.3信号分离252
9.4小波变换在图像处理中的应用255
9.4.1图像压缩255
9.4.2图像边缘检测259
9.4.3图像增强260
9.5小波App简介.262
9.6本章小结.266
第10章神经网络算法267
10.1神经网络基础267
10.1.1人工神经网络的发展267
10.1.2人工神经网络研究内容268
18MATLAB智能算法（第2版）
10.1.3人工神经网络研究方向268
10.1.4人工神经网络发展趋势269
10.2神经网络的结构及学习271
10.2.1神经网络结构271
10.2.2神经网络学习272
10.2.3MATLAB在神经网络中的应用285
10.3神经网络工具箱288
10.3.1神经网络工具箱函数288
10.3.2神经网络工具箱App305
10.3.3神经网络的MATLAB实现310
10.4Simulink神经网络控制工具箱325
10.4.1神经网络模型预测控制325
10.4.2反馈线性化控制328
10.4.3模型参考控制.330
10.5本章小结.333
第11章模糊逻辑控制.334
11.1模糊逻辑控制基础334
11.1.1模糊逻辑控制的基本概念334
11.1.2模糊逻辑控制原理335
11.1.3模糊逻辑控制器设计包括的内容335
11.1.4模糊逻辑控制规则设计336
11.1.5模糊逻辑控制系统的应用领域336
11.2模糊逻辑控制工具箱.337
11.2.1功能特点337
11.2.2模糊系统基本类型338
11.2.3模糊逻辑控制系统的构成.339
11.2.4模糊推理系统的建立、修改与存储管理339
11.2.5模糊语言变量及其语言值.346
11.2.6模糊语言变量的隶属度函数349
11.2.7模糊规则的建立与修改353
11.2.8模糊推理计算与去模糊化355
11.3模糊逻辑控制工具箱App358
11.3.1模糊推理系统编辑器358
11.3.2隶属度函数编辑器360
11.3.3模糊规则编辑器360
11.3.4模糊规则浏览器360
11.3.5模糊推理输入/输出曲面视图360
11.4模糊逻辑控制的经典应用362
11.4.1基于Simulink的模糊逻辑控制应用362
目录19
11.4.2基于模糊逻辑控制的路径规划366
11.4.3基于模糊神经网络控制的水质评价379
11.5本章小结.388
第三部分综合应用
第12章模糊神经网络在工程中的应用391
12.1模糊神经网络391
12.1.1模糊神经网络概述391
12.1.2模糊系统与神经网络的区别与联系392
12.1.3典型模糊神经网络结构393
12.1.4自适应模糊神经推理系统393
12.2模糊神经网络建模方法395
12.3模糊神经网络在工程中的应用举例401
12.3.1模糊神经网络在解耦控制中的应用401
12.3.2模糊神经网络在函数逼近中的应用412
12.4本章小结.419
第13章遗传算法在图像处理中的应用420
13.1图像分割.420
13.1.1图像分割的概念420
13.1.2图像分割的理论420
13.1.3灰度门限法简介421
13.1.4基于最大类间方差图像分割原理422
13.2遗传算法实现图像分割423
13.2.1利用遗传算法实现图像分割的原理423
13.2.2算法实现424
13.3遗传算法在图像处理中的应用举例.424
13.3.1基于遗传算法的道路图像阈值分割424
13.3.2基于遗传神经网络的图像分割433
13.3.3应用遗传算法和KSW熵法实现灰度图像阈值分割437
13.4本章小结.453
第14章神经网络在参数估计中的应用454
14.1参数估计的基本知识454
14.1.1参数估计的概念454
14.1.2点估计与区间估计454
14.1.3样本容量455
14.2几种通用神经网络的MATLAB代码455
14.3神经网络在参数估计中的应用举例459
14.3.1神经网络在人脸识别中的应用459
20MATLAB智能算法（第2版）
14.3.2灰色神经网络在数据预测中的应用466
14.3.3BP神经网络在数据预测中的应用472
14.3.4概率神经网络在分类预测中的应用475
14.4本章小结.478
第15章基于智能算法的PID控制器设计479
15.1PID控制器的理论基础479
15.2智能算法在PID控制器设计中的应用.480
15.2.1神经网络在PID控制器设计中的应用480
15.2.2模糊控制在PID控制器设计中的应用487
15.2.3遗传算法在PID控制器设计中的应用490
15.3本章小结494
参考文献495
猜您喜欢
